ANALISIS NILAI EVAPORASI WADUK KARANGKATES MENGGUNAKAN PENDEKATAN EMPIRIS DAN ARTIFICIAL NEURAL NETWORK (ANN)

Abstract

Pola operasi pada waduk merupakan faktor penting untuk mengatur kebutuhan air dengan kondisi ketersediaan air yang ada. Pola operasi waduk tidak terlepas dari proses evaporasi. Evaporasi berperan penting dalam pola operasi waduk, namun tidak semua waduk memiliki alat untuk mengukur evaporasi yang terjadi. Tujuan dilakukannya penelitian ini untuk mengetahui evaporasi pada Waduk Karangkates sebagai perbandingan sekaligus referensi untuk menghitung evaporasi yang terjadi pada waduk dengan menggunakan rumus empiris Penman dan DeBruin – Keijman, serta pemodelan Artificial Neural Network (ANN). Hasil dari evaporasi dengan rumus empiris dan pemodelan Artificial Neural Network kemudian dibandingkan dengan evaporasi pengamatan dengan uji kalibrasi untuk mendapatkan metode terpilih. Uji kalibrasi menggunakan parameter Nash–Sutchliffe Efficiency (NSE), Mean Absolute Error (MAE), Koefisien Korelasi (R), Koefisien Determinasi (R²), dan Kesalahan Relatif (KR). Berdasarkan uji kalibrasi, didapatkan evaporasi hasil pemodelan Artificial Neural Network merupakan metode terpilih dengan nilai NSE 0,825, nilai MAE 0,111, nilai R 0,917, nilai R² 0,840, dan nilai KR 3,792%. Kemudian dilakukan uji verifikasi dan disimpulkan pasangan data 16 tahun kalibrasi – 1 tahun verifikasi mendapatkan hasil verifikasi terbaik dengan nilai NSE 0,672, nilai MAE 0,232, nilai R 0,888, nilai R² 0,788, dan nilai KR 7,271%.

Operation pattern of reservoir is an important factor to manage water demand with existing water availability conditions. Operation pattern of reservoir cannot be separated from evaporation process. Evaporation plays an important role in operation pattern of reservoir, however not all reservoirs have a tool to measure evaporation. The purpose of this research is to find the evaporation value in Karangkates Reservoir for comparison and reference to calculate evaporation in reservoir using empirical formula of Penman and DeBruin – Keijman, and using Artificial Neural Network modeling. The result of evaporation using empirical formulas and Artificial Neural Network modeling then compared with observational evaporation with calibration test to obtain chosen method. The calibration test uses parameters Nash–Sutchliffe Efficiency (NSE), Mean Absolute Error (MAE), Correlation Coefficient (R), Determination Coefficient (R²), and Relative Error (KR). Based on calibration test, obtained evaporation result of Artificial Neural Network modeling is selected method with value of NSE is 0,825, value of MAE is 0,111, value of R is 0,917, value of R² is 0,840, and value of KR is 3,792%. Then the verification test was carried out and it was concluded that the data pair of 16 years of calibration – 1 year of verification obtained the best verification results with value of NSE 0,672, value of MAE 0,232, value of R 0,888, value of R² 0,788, and value of KR 7,271%.